基于核schur正交局部Fisher判别的转子故障诊断

为更好识别转子系统故障,将核映射和向量正交思想引入到局部Fisher判别分析(LFDA)中,提出基于核schur正交局部Fisher判别(KSOLFD)的流形学习算法。首先通过核函数将故障特征信号映射到高维子空间,在该空间重新定义类内散度和类间散度,构建核局部Fisher判别函数,在特征值求解时以schur正交方式找出最优投影向量,进行故障诊断。算法保证了数据降维时重构误差最小,提高了故障诊断效果。实验表明,KSOLFD故障诊断效果相对其他流形学习算法最好。

基于Schur正交的局部Fisher判别转子故障诊断

为更好识别转子系统故障,将正交思想引入到局部Fisher判别分析(LFDA)中,提出了一种基于Schur正交的局部Fisher判别(SOLFD)监督流形学习算法。算法以转子故障训练样本为监督信息,通过局部加权邻接矩阵重新定义类内散度和类间散度,构建局部Fisher判别函数。以判别函数值最大化为目标,通过Schur正交分解方式求解最优正交投影向量。将新增测试数据投影到该向量上,获取新数据故障类别信息。转子故障诊断实验表明,相对其他流形学习算法,SOLFD算法有更好的诊断效果。